このコースでは、固定効果モデル（例: lm() と glm()）と、固定効果とランダム効果の両方を含む混合効果モデル（例: lmer() と glmer()）を使い、比較してきました。コースを通して観察したトレードオフにはどのようなものがありましたか？
lm()
glm()
lmer()
glmer()
この演習はコースの一部です
理論を実践に変える、インタラクティブな演習のひとつをお試しください
第1章では、混合効果を使うべき場面の例を示し、回帰モデルの構成要素について説明します。さらに、入れ子構造をもつ生徒のテストスコアのデータセットを取り上げ、混合効果の考え方を実演します。
この章では、線形混合効果モデルの導入を行います。さまざまな種類のランダム効果を取り上げ、線形混合効果モデルの結果の読み解き方を説明し、メリーランド州の犯罪データを用いて混合効果モデルでの統計的推論の手法を解説します。
この章では、一般化線形混合効果モデルを用いて、正規分布ではない誤差項を含むよう線形混合効果モデルを拡張します。誤差項を非正規に変更することで、非線形な応答をもつより多様なデータをモデル化できるようになります。一般化線形モデルを復習したのち、混合効果モデルの文脈で二項データとカウントデータを扱います。
この章では、繰り返し測定の解析が混合効果モデリングの特別なケースであることを示します。はじめに、対応のある t 検定と繰り返し測定 ANOVA を復習します。次に、線形混合効果モデルを使って睡眠研究のデータを検討します。最後に、一般化線形混合効果モデルを用いて、時間とともに変化するニューヨーク州のヘイトクライムのデータを分析します。
現在の演習
